Krooninen sairaus

tiivistelmä

Differential geeniekspressioprofilointi tutkimukset ovat johtaneet esille useita taudin biomarkkereita. Kuitenkin onkogeenisel- muutokset koodaavat alueet voivat muuttaa geenin toiminnot vaikuttamatta omaa ilmaisua profiileja. Lisäksi, translaation jälkeiset modifikaatiot voivat muuttaa aktiivisuutta koodatun proteiinin muuttamatta ekspressiotasot koodaavan geenin, mutta aiheuttivat muunnelmia ilmentymistasojen säädeltyjen geenien. Nämä näkökohdat motivoi tutkimuksen uudelleenjohdotus verkkojen koekspressoi geenien seurauksena edellä mainittujen muutosten täydentämiseksi informatiivinen sisältö differentiaalikaavojen. Analysoimme 339 mRNAomes viisi erillistä syöpätyyppien löytää yksittäisten geenien esitetystä koekspressoimalla kuviot voimakkaasti tehtiin ero normaalin ja kasvaimen fenotyyppejä. Analyysimme erilaisesti kytketty geenien osoittaa menetys yhteyksien yhteisenä topologinen piirre syövän verkkojen ja paljastaa uusia ehdokas syöpä geenejä. Lisäksi meidän integroitu lähestymistapa, jossa yhdistyvät ero lauseke yhdessä ero liitettävyys parantaa klassinen rikastamiseen koulutusjakson analyysi tarjoaa uusia oivalluksia otaksuttu syöpää geeni biosysteemien ole vielä täysin tutkittu.

Citation: Anglani R, Creanza TM, Liuzzi VC , Piepoli A, Panza A, Andriulli A, et al. (2014) menetys Connectivity in Cancer Co-Expression Networks. PLoS ONE 9 (1): e87075. doi: 10,1371 /journal.pone.0087075

Editor: Filippo Castiglione, National Research Council of Italy (CNR), Italia

vastaanotettu: 11 syyskuu 2013; Hyväksytty: 18 joulukuu 2013; Julkaistu: 28 tammikuu 2014

Copyright: © 2014 Anglani et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Tämä työ oli osittain tuettu avustuksin Regione Puglian PO FESR 2007–2013 Progetto BISIMANE (Cod. n. 44), Progetto FIRB RBAP11B2SX, Progetto di Ricerca Finalizzata 2009 RF /2009-1471624. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

viime vuosina syöpätutkimuksessa on kokenut merkittävän edistysaskeleet tarjoamia uusia systeemibiologian lähestymistapoja kehittymisen johdosta suurikapasiteettisia tekniikoita kytketty uusia tilastollisia menetelmiä [1], [2]. Yksi eniten käytetyistä tutkimusmenetelmät geneettisen kuvioita syöpäkudoksiin on geenin ilmentymisen profilointi kautta RNAseq tai mikrosiruanalyysi, joka tarjoaa mittaukset mRNA-tasojen koko geneettisen maisema tietyssä biologisessa näytteessä. Yleensä sairaiden kudosten verrataan normaalin valvonnan, jotta voidaan tunnistaa ryhmiä geenejä, joiden ilmaisun tasot ovat merkittävästi erilaiset kahdessa fenotyyppi olosuhteissa ja näin ollen liittyvät tautiin [3], [4]. Tämä populaatio geenien, määritellään eri tavalla ilmaistuna (DE), katsotaan yleensä valmistettu ehdokas biomarkkereita puhkeamista ja etenemistä patologian ja on tutkittu laajasti tunnistamiseksi sairauteen liittyvien reittien [5], [6].

Vaikka ero ilmaisun tutkimukset ovat olleet laajasti ja menestyksekkäästi soveltaa monella lähestymistapoja, ne esittävät vakavia puutteita tutkimuksessa monimutkaisten sairauksista. Ratkaiseva esimerkki edustaa syövän synnyn, joka on monivaiheinen prosessi, johon asteittainen kertyminen geneettisiä mutaatioita, joita voi esiintyä, välinpitämättömänä sääntelyyn tai koodaus sivustoja geenien. Koska itse asiassa, koodaavan alueen muutokset ja translaation jälkeisiä modifikaatioita (esim fosforylaation, asylointi, metylaatio, jne.) Voidaan muuttaa proteiinin aktiivisuutta vaikuttamatta geeni-ilmentymisen tasolla, mutta muuttaa vuorovaikutusta kuvion muita geenejä. [7 ]. Esimerkiksi missense ja nonsense mutaatiot sivustoja koodaavan proteiinia sitovat alueet voisivat häiritä joitakin perustavanlaatuisia proteiini-proteiini vuorovaikutusten muuttamatta ekspressiotasoja. Tunnettu tapauksessa tällaisen muutosten syöpien liittyy adenomatoottisen polypoosin coli (APC), joka on yleisin mutatoitu geeni peräsuolen syöpä [8], [9]. Yleisin APC-mutaatio johtaa typistetyn proteiinin, josta puuttuu sitoutumiskohdat noin vuorovaikutuksessa proteiinien [10]. Siksi analyysi perustuu ainutlaatuisista differentiaalikaavojen tutkimuksista voisi olla tehoton korostaminen joitakin keskeisiä geneettisten kuljettajien neoplastisia vaurioita. Toisaalta, toinen tärkeä haittapuoli differentiaalisen ekspression analyysi muodostuu siitä, että geenit on käsiteltävä yksilöllisesti siten, että vuorovaikutus ei ole otettu huomioon. Itse asiassa se on laajalti hyväksytty, että ymmärtämistä mekanismeista kehitystä geneettisten häiriöiden, kuten syövän täytyy harkita panos vuorovaikutus geenien [11]. Lisäksi on tärkeää tutkia, miten näitä vuorovaikutuksia muuttua sairausfenotyyppi, suhteessa villityypin kunnossa [12] – [14], koska se on vakiintunut, että kaikki geenit ovat aktiivisia sekä valtioissa. Esimerkiksi [15] osoitti, että vastauksena erilaisiin häiriöihin vuorovaikutusta malleja transkriptiotekijöiden voidaan muuttaa aiheuttaen rewiring verkon.

puitteissa geeniekspressioprofilointi, tutkimus tilastollisesti merkitseviä korrelaatioita geeni parit voivat paljastaa otaksuttu vuorovaikutuksia, riippuvuudet tai koordinoidut toimet geenien tiettyyn biologiseen tilaan. Erityisesti verkoissa perustuu geenien ilmentymisen pairwise korrelaatiota voi edustaa suoraa geeni asetukset ja myös geenejä, jotka epäsuorasti yhdistetty säätelyreittejä [16]. Lisäksi koska transkriptio on tulosta monimutkaisesta monitasoinen prosessi, johdettua korrelaatio verkko otetaan huomioon paitsi transkriptiotekijä-DNA vuorovaikutuksia mutta myös tekijät, jotka biokemiallisesti säätelevät järjestelmät. Näin ollen on mahdollista arvata, että muutoksia vuorovaikutukset geenien erilaisissa koeolosuhteissa pohtii erilaisia ​​korrelaation malli lähdöt. Tässä kuvassa viimeaikaiset lähestymistapoja tunnistamista muutoksia geenien ilmentäminen rinnakkain rakenteita (määrällisesti pareittain korrelaatioita) terveiden ja sairaiden kudosten tavoitteena on tarjota parempia oivalluksia muuttuneen sääntelymekanismeja ja osoittaa kriittinen häiriö kuljettajan geenejä [7 ]. Erityisesti ero koekspressoimalla verkon analyysit ovat laajalti käytössä ja ovat osoittaneet merkittäviä todisteita koskevassa tutkimuksessa syövän geeni verkkojen [17] – [19] ja tunnistaminen muuntunut mutta ei ilmennetty eri geenejä [20].

ajatuksena esillä olevassa tutkimuksessa on, että muutokset geenin yhteyden biologisten verkkoihin liittyy merkittäviä fenotyyppisiä muutoksia. Rohkaisevaa näyttöä raportoidaan [15] jossa kirjoittajat havaitsivat, että yhteyden geenien sääntelyn

Saccharomyces cerevisiae

läpikäy dramaattisia muutoksia aikana solun prosesseja. Itse asiassa ne osoittivat, että monet transkriptiotekijät läsnä vain pieni määrä vuorovaikutusten säilytti useissa eri olosuhteissa ja loput yhteydet ovat aktiivisia vain tietyissä olosuhteissa järjestelmän.

Tässä tutkimuksessa osoitamme, että verkkoliitäntä järkevissä muuttua neoplastiset kudokset. Koska liitettävyys mittana geenin käytimme aste, koska se on perustavaa laatua havaittavissa graafiteoria ja on selkeä biologinen tulkinta [15]. Erityisesti olemme tutkineet geenin vuorovaikutusta muutokset esiin syövän kudoksissa suhteessa terveisiin kontrolleihin vertaamalla erityinen päätelty ilmentäminen rinnakkain verkoissa. Tätä varten tutkimme sen yhden solmujen esitti liitosrakenne voimakkaasti muutettu kahden biologisen fenotyyppiä. Ei-parametriset satunnainen permutaatio testit hyväksyttiin peräkkäin nostaa valokeilaan ne geeni, jolla aste vaihtelut liittyvät patologian eikä johdu sattumasta.

Olemme havainneet, että menetys yhteyden syövän verkkoihin nähden normaali niistä on yhteinen ominaisuuden suhteen kesken eri syöpiä. Seuraavaksi havaittiin, että tutkimus ero liitettävyys voi ilmoittaa kasvaimeen liittyvien geenien ei paljasti erilainen ekspressio analysoidaan. Lopuksi osoitti, miten integrointi ero ilmaisun kanssa ero yhteyden voi parantaa klassiseen rikastamiseen analyysi paljastaa polkuja liittyvät syöpään tunnusmerkkejä ja tarjoamalla oivalluksia uusia otaksuttu biomarkkereiden järjestelmiä.

Tulokset

Analysoimme ilme tasot ihmisen 339 mRNAomes sisältää normaalit ja neoplastiset kudosnäytteet liittyvät viiteen geeniekspression aineistoja erillisten neoplasioihin GEO ja ArrayExpress: peräsuolen, keuhko-, maha-, haima- ja kohdunkaulan. Kaikki näytteet profiloidaan Affymetrix teknologioita ja esikäsitellyt kanssa Affymetrix Expression Console -ohjelmaa (katso Materiaalit ja menetelmät).

Menetys yhteyden syövän verkoissa

tutkineet topologinen ominaisuuksia koekspressoimalla verkkojen terve ja sairaustiloissa kannalta geenin yhteyden tai aste (katso materiaalit ja menetelmät). Me päätellä normaali ja syövän koekspressoimalla verkot perustuvat Spearman korrelaatiokertoimet: kaksi geeniä on kaari jos korrelaatiokerroin niiden ekspressioprofiileja ei-null klo 5%: n merkitsevyystaso kanssa Benjamini-Hochberg [21] vääriä löytö määrä (FDR) alle 20% (katso kuva 1 ja Materiaali ja menetelmät).

terveenä vasemmalla ja taudin koettelemissa kudosta oikealla. Green linkit säilyvät muuttumattomina kaksi fenotyyppiä. Red yhteydet ovat tappio terveitä syöpään verkkoon. Blu reunat ovat uusia yhteyksiä syöpäkudoksessa.

Kuten odotettua, topologia johdettua geenin verkkojen osoittautui poikennut satunnainen malli (katso kuvat 2A-E ja materiaalit ja menetelmät) jälkeen tutkinnostaan ​​jakaumat johtui erilaiset kuin vastaavan satunnainen kaaviot sama keskimääräinen aste ja sama määrä solmuja (, Kolmogorov-Smirnov testi). Lisäksi syöpä ja normaali verkkojen leimasi solmujen erittäin vaihteleva astetta, geeneistä muutaman yhteyksiä ”solmukohdat” tuhansien linkkien (kuva 2A-F).

(AE) kumulatiivinen jakauma toimintojen geeni astetta. (F) Boxplots geenin astetta viiden kudosten kaksi ehtoa. Punainen väri viittaa syöpään fenotyypin. Sininen väri viittaa normaaliin fenotyyppiin. Mediaani tutkinto syöpä on pienempi kuin normaalioloissa.

Toisaalta, vertailussa normaalin ja syövän verkkojen toi merkittävä piirre yhteinen monipuolinen kasvaintyypeissä: koekspressoimalla geenin verkkojen neoplastisten kudosten esittää alennettu yhteyden suhteen terveenä (katso kuva 2F). Todellakin, Kolmogorov-Smirnov testi osoitti, että kaikki syövän verkot on ominaista geeni tutkinto, joka on stokastisesti vähentynyt suhteessa vastaavassa normaalissa kuvaajat ().

Gene ero liitettävyyden ja sen vuorovaikutus ero ilme

merkittäviä muutoksia verkkoyhteyden syövässä osoittavat, että geenien kanssa voimakkaasti muuttunut yhteyksiä voi olla rooli syövän biologian ja motivoida tutkimus on liitettävyys perustuva pisteytys toimenpide tunnistamiseksi oletettujen syövän kuljettajia. Tätä varten jokaisen geenin, arvioimme ero liitettävyys (DC), koska ero geenin astetta kaksi fenotyypin ehdot ja arvioimme sen tilastollisesti merkitsevä p-arvon ja väärä löytö korko. Lisäksi olemme tutkineet suorituskykyä tästä toimenpiteestä ja sen suhteellinen ansio nähden ero lauseke (DE) mitattuna p-arvo ja FDR (katso Materiaalit ja menetelmät).

analyysi FDR funktiona p-arvot sekä ero toimenpiteitä osoitti, että p-arvot alle 0,01, oli osa väärän löytöjä alle 22% DC ja 10% DE (kuviot 3A-E). Tämä tarkoittaa sitä, että molemmat toimenpiteet, määrä tuloksena ero ominaisuudet on huomattavasti korkeampi kuin olisi sattumalta odotettua, vaikka FDR DC on suurempi kuin FDR DE kunkin p-arvot.

Red väri edustaa ilmentyvät eri geenit (DE). Sininen väri edustaa differentiaalisesti kytketty geenejä (DC).

Koska lisätutkimuksissa olemme analysoineet vuorovaikutusta yhteyden menetys ja ero ilmaisun ja ero yhteys p-arvot. Huomasimme, että mitä pienempi on p-arvo DC suurempi on määrä menettänyt yhteyksiä kaikkiin aineistoja (, Spearman korrelaatio, katso kuvat 4A-E). Tämä tulos vahvistaa oletusta, että huomattava ero yhteys vastaa todennäköisemmin menetys linkkejä normaaleista syöpään kudoksiin. Analogisesti löysimme positiivinen korrelaatio voitto asteen ja ero ilmaisun p-arvo kaikissa taudin lukuun ottamatta paksusuolensyöpä joille on negatiivinen korrelaatio (kuvio 4F). Tämä osoittaa, että differentiaalisesti ilmentyvien geenien todennäköisesti ominaista alentunut määrin syövän, paitsi paksusuolen tapauksessa, jossa differentiaalisesti ilmentyvien geenien hankkivat yleensä yhteydet kasvainkudoksessa (kuviot 4A-F).

( AE) (ylempi paneeli) Gene ero liitettävyys p-arvo funktiona asteen suhteen. (Alempi paneeli) Gene differentiaalikaavojen p-arvo funktiona asteen suhteen. Jokainen piste edustaa geeniä ja suuntaus linja on vähiten neliön linjan. (F) väliset korrelaatiot ero ilmaisu p-arvo ja voitto yhteyksiä. P-arvot tangot viittaavat hiiren hännän testit positiivista korrelaatiota, ja vasen-hännän testit negatiivista korrelaatiota. (G) väliset korrelaatiot differentiaalikaavojen p-arvot ja ero yhteys p-arvot.

Differential connectivity kohokohtia tunnettu syövän geenien

Tutkiakseen, onko ero liitettävyys voi sormella kohti kasvain erityisiä geenejä ja suorituskyvyltään ero ilmentymisanalyysiä, keräsimme tunnettu syövän geeni luettelot kirjallisuudesta ja kuraattorina tietokantoja testata rikastamiseen. Näin ollen valinta annettu merkitys kynnysarvo DC ja DE p-arvot osoittautui tarpeelliseksi. Näin ollen jokaisen syövän datasarjan, rakensimme kaksi listaa kerätä geenejä, joilla on merkittäviä ero ilmaisun ja liitettävyys samalla tasolla 0,05, vastaavasti (katso taulukko S1).

tutkimus peräsuolen syöpä datasarjan johtanut 1870 differentiaalisesti kytketty geenien ja 6792 differentiaalisesti ilmentyvien geenien useita 17400 analysoitiin geenejä. Väkiluvut osoittautui erillisiä kanssa (Kuva 4G). DC geeni luettelo on rikastettu kasvaimeen ja onkogeeneihin liittyy yleisesti kolorektaalisyövän raportoitu työssä [22] (,,) jossa on koko listan tunnetuista syövän geenien, on määrä DC geenien luetteloa ja on Fisherin testiä p-arvo. Hyväksyminen tiukempi tasolle 0,005, DC geenit myös rikastettu tunnettu syövän geenien Cancer Gene Census [23] (,, Fisherin testiä), vuonna Kegg Disease H00020 Paksusuolisyöpä geeni lista [24] (,) ja geenejä mutatoitunut kolorektaalisyövissä raportoitu työhön Wood

et al.

[25] (,). Päinvastoin, differentiaalisesti ilmentyvien geenien eivät johtaneet rikastettu edellämainitussa tunnetuissa kolorektaalisyöpä geeni luettelot: in [22] (,), Cancer Gene Census [23] (,), vuonna Kegg Disease H00020 Paksusuolisyöpä geeni lista [24] ( ,) ja [25] (,).

keuhkosyöpä datajoukon, luettelot geenien differentiaalisesti kytketty ja ilmaisi normaalin ja syövän keuhkojen kudoksiin sisältyvät 2749 ja 7125 geenejä, tässä järjestyksessä (on määrä 12157 analysoitiin geenien). Vaikka olemme löytäneet positiivinen korrelaatio () välillä p-arvot differentiaalikaavojen ja p-arvot ero yhteyden (kuvio 4G), joitakin merkittäviä poikkeuksia, eli differentiaalisesti kytketty mutta ei ilmaista geenejä johti kriittisesti liittyy patologian. Esimerkiksi

EGFR

geeniä, osoittautui olevan DC (), mutta ei DE (), on tärkeä usein mutatoitunut onkogeeni ja huumeiden tavoite keuhkoadenokarsinooma [26], [27]. Lisäksi DC geeni luettelo on rikastunut geeneissä kätkeminen poikkeavuuksia (mutaatioita, monistukset ja /tai fuusiot) mukana kehittämässä ei-pienisoluinen keuhkosyöpä raportoitu työssä [28] (,,). Luettelo näistä syövän geenien osoittautui ole yliedustettuina luettelon erilaisesti ilmaistuna geenejä (,).

analyysi mahasyövän datasarjan johti 3016 DC ja 11108 DE geenit (päällä useita 19520 analysoitiin geenien) kanssa kaksi luetteloa merkittävästi erillistä (katso kuva 4G). Löysimme kuten differentiaalisesti kytketty reseptori säädelty Smad: ien (R-Smad: ien) TGF-beeta (

Smad2

ja

Smad3

) ja BMP-signalointireitin (

SMAD1

ja

SMAD5

) ja yhteinen-välittäjänä Smad (

Smad4

). Nämä geenit, ainoana poikkeuksena

SMAD5

, eivät differentiaalisesti (katso taulukko S1). Lisäksi olemme havainneet, että luettelot geenit ovat rikastuneet geenejä, jotka jakavat

TCF3

sitovan kohdan motiivin (E47_01,,) ja geenit, jotka jakavat

Smad4

sitovan kohdan motiivin (SMAD4_Q6,,) [29]. Voimme todeta, että on tunnettua, että TGF – aktivoitu Smad: ien ekspression inhiboimiseksi Id proteiineja, jotka puolestaan ​​estävät DNA: ta sitova ja bHLH transkriptiotekijöiden, kuten E12 ja E47 [30], [31]. Näin ollen ero liitettävyyden analyysi viittaa korjauksilla edellä mainitun signalointi toimintaa mahasyövässä kudoksissa.

tutkimuksen haimasyövän datasarjan johti 12434 differentiaalisesti yhdistetty geenien ja 14726 differentiaalisesti ilmentyvien geenien yli yhteensä 19520 geenien siru. Suuren päällekkäisiä kahden ryhmän välillä (kuvio 4G), ei ole yllättävää, että molemmat ryhmät rikastettu yleisesti differentiaalisesti ilmentyvien geenien haiman adenokarsinooma johtuvat meta-analyysi tutkimus suoritettiin neljä eri tietomääriä [32] . Lisäksi kolme geeniä (

KRAS

,

TP53

,

STK11

) liittyvät haimasyövän OMIM Entry 260350 [33] havaittiin sekä differentiaalisesti kytketyn ja ilmennetty eri kanssa sama . Kuitenkin enemmän konservatiivinen merkitsevyystasolla 0,005, syövän geeni listan Cancer Gene Census [23] havaittiin merkittävästi rikastettu DC geenejä (,,), mutta ei DE geenejä (,).

Lopuksi analyysi kohdunkaulan syöpää aineisto osoitti, 2302 DC ja 6186 DE geenit (useista 12507 analysoitiin geenien) kanssa kahden populaation ollen selvästi erillisiä kanssa (Kuva 4G). Rikastuminen analyysi DC ja DE geenit tehtiin luettelossa, jonka työ [34] tehnyt geenien yleisesti alterated kanssa, joita löytyy mutaatio niiden koko-exome sekvensointi tutkimuksessa endometriumin ja munasarjojen syöpien. Tutkimus motiivina oli ajatus hyödyntää DNA kerättyjä Papanicolau- testit paljastaa somaattisia mutaatioita, joihin liittyy kohdunkaulan kudoksen jälkeen irtoa endometriumin tai munasarjojen syöpiä. Tämä paneeli geenien, johti rikastettu 6 DC geenien yli yhteensä 15 (Fisherin tarkka testi), kun taas mukana 8 DE geenejä (Fisherin tarkka testi) saadaan merkittävää päällekkäisyyttä vain ensin mainitussa tapauksessa.

ääriviivat yksi tärkeä huomautus. Vaikka olemme huomanneet, että p-arvojen ero yhteydessä negatiivisesti korreloivat niitä erilainen ekspressio vain paksusuolen, mahalaukun ja kohdunkaula aineistoja, yleinen merkitys 5 riippumattomissa testeissä ehdotti, että DC ja DE p-arvot liittyvät kautta merkittävää negatiivista korrelaatio (katso kuva 4G). Lopuksi DC ja DE geenit voivat käyttäytyä erotuksena väestön ja meidän bioinformatiikan analyysi tukee ajatusta, että geenit osallistuvat syöpä jotka eivät muuta ilmaisua voidaan korostaa analysoimalla differentiaali liitettävyys. Näin ollen voidaan arvata, että DC geenit ovat geenejä mutaatioita, jotka muuttavat vuorovaikutus geenituotteiden vaikuttamatta niiden ekspressiotasot.

Differential liitettävyyden ehdottaa uusia verkko-pohjainen syöpä biomarkkerit

Tutkimuksemme voi myös valaista geenit, joiden syöpä-erityiset roolit voidaan arvata kirjallisuudesta tai vielä Kiistanalaista ja edelleen voivat motivoida toiminnallisia kokeita noin joka edistää näiden geenien synnyssä tauti. Meidän analyysi mahasyövän datajoukon, estäjä Brutonin tyrosiinikinaasin (

IBTK

) johti kuin geeni, jolla on suurin, että yhteys katkeaa () (katso taulukko S3). Koska itse asiassa koodaama proteiini

IBTK

downregulates kinaasiaktiivisuutta

BTK

, joka on puolestaan ​​negatiivinen säätelijä Wnt-beeta-kateniinin signalointi [35]. Toisaalta,

IBTK

proteiini säätelee negatiivisesti aktivaation tumatekijä-kappa-B-driven (

NF-kB

) transkription. Koska on todettu, että

NF-kB

ja Wnt /kateniinin signalointireiteissä aktivoituvat useimmilla mahasyövistä [36], [37], on mahdollista arvata joihin sovelletaan sallittuja

IBTK

evoluutiossa kasvain.

Kun kyseessä on paksusuolensyöpä, toinen kärkipään geenin menetystä liitettävyys (katso taulukko S3) on aryylihiilivetyreseptori (

AhR

) että tutkimuksessa [38] osoittautui olevan keskeinen rooli tukahduttaminen suoliston syövän synnyn mukaan proteasomaalisten hajoamisen kateniinin, joka on vuorovaikutuksessa kanoninen

APC

-riippuvaisella kautta. Lisäksi kuudes kärkipään geeni ” poistettu polypoosin 1 ” (

DIP1

) on todettu olevan roolin tuumorisuppressori paksusuolen syövän synnyn [39].

Toinen esimerkiksi tulee keuhkosyövän datajoukon jossa geeni

TNFSF11

oli suurinta menetys yhteyden (katso taulukko S3). Aiemmat tutkimukset ehdotti, että tämä proteiini voi säädellä apoptoosia aktivoimalla anti-apoptoottisen kinaasin

AKT /PKB

kautta signaloinnin kompleksi, joka sisältää Src ja tuumorinekroositekijä reseptoriin liittyvän tekijän (

TRAF

) 6 (ks EntrezGene Yhteenveto: [40]. Lisäksi

SRC

ja

TRAF6

proteiinien tiedetään olevan osallisena useita ominaisuuksia tumorigeneesin ihmisen keuhkoissa [41], [42]. työ [8] vahvistaa osallistumista

TNFSF11

maahanmuuttoprosessissa ihmisen keuhkojen syöpäsoluja. Itse asiassa geeni

TNFSF11

edesauttaa kasvaimen etäpesäkkeiden välityksellä toimivien

MEK /ERK

, joka puolestaan ​​aktivoi

NFKB

, jolloin aktivointi

ICAM1

.

Viimeisenä huomautuksena analyysimme keuhkojen kasvain datajoukon korosti toiseksi kärkipään geenin menetys yhteyden O-glykosylaatio aloitteentekijä entsyymi N-acetylgalactosaminyltransferase-14 (

GALNT14

). [50] osoitti, että

GALNT14

voi olla ennakoivaa biomarkkeri dulanermin perustuva terapia NSCLC, koska he havaitsivat, että herkkyys dulanermin (proteiini, joka indusoi apoptoosia kasvainsoluissa) oli korreloi voimakkaasti yli-ilmentyminen

GALNT14

. He havaitsivat myös toiminnallinen yhteys kuoleman reseptori O-glykosylaatio ja apoptoottisia signalointi osoittaa, että molemmat farmakologinen estäminen glykosylaation ja entsyymin pudotus pienten häiritsevien RNA: iden kohdistaminen

GALNT14

vähensi dulanermin indusoiman apoptoosin [45].

Nämä havainnot osoittavat, että ero yhteyksien analyysi pystyy havaitsemaan tunnettujen syövän geenien ja myös ehdottaa uusia biomarkkereiden ehdokkaita (joitakin mahdollisesti druggable) tarjoavat uusia hypoteeseja erityisiä toiminnallisia kokeita.

Differential liitettävyys täydentää differentiaaligeometriaan ilme paljastaa syöpään liittyviä reittejä

motivoi todisteita syntymässä edellisissä osissa, voidaan arvata, että väylän analyysi ennalta geenin sarjaa, joka huomioi sekä muutoksia geenien ilmentymisen ja muutoksia liitettävyys voi parantaa molekulaarinen tautimekanismien. Tästä syystä me ensin keskityttiin Classic rikastamiseen tutkimus suoritetaan Random-Set-pohjainen koulutusjakson analyysi (katso materiaalit ja menetelmät) tunnistamista varten polkuja toiminnallisesti liittyvien geenien rikastettu erilainen ekspressio [46]. Näin ollen tutkimme polkuja, jotka johtivat vapautettu peräisin yhdistetyn analyysin rikastaminen geenejä, jotka olivat joko differentiaalisesti ilmaisi tai differentiaalisesti kytketty (DEC) (katso Eq. 5 Materiaalit ja menetelmät). Analyysimme testattu geeni luettelot

a priori

kuuluva kanoninen polku (C2-CP) kokoelmista Molecular Signature Database (MSigDB) [5], joka kerää 1452 tapoja valmistaa Reactome, Kegg, BioCarta ja muihin tietokantoihin. Käyttäytymistä FDR funktiona rikastustoimenpiteen p-arvo erikseen tutkittu DE ja joulukuu tapauksissa (katso kuviot 5A-E). Kaikkien syöpien (paitsi haiman tapauksessa), vertailua FDR kahdessa käyttötiedot osoittivat, että DE-arvot olivat aina suurempi kuin vastaava joulukuu ykkösiä ja jälkimmäinen johti vähemmän kuin 15% merkittävyystasolla alle 0,01. Lisäksi paksusuolen ja keuhkojen aineistoja, käyrät FDR johti hyvin erillään, esim. ottaen huomioon ero connectivity toimenpide tuotti 91%: n vähennys FDR arvon p-arvo 0,003. Näin ollen, olemme arveltu, että reitit liittyvät tuumoribiologiassa on vapautettu geenien ilmentymisessä ja tunnettu siitä, että muunnetun geenin vuorovaikutusta ei välttämättä vaikuttaa ilmentymiskuviot. Biologinen validointi Tämän oletuksen oli arvioitava suhteellinen tehokkuus DEC toimenpiteen tunnistamisessa polkuja taustalla yleisten mekanismien ja kudosspesifiset piirteitä neoplasioihin.

(AE) Benjamini-Hochberg False Discovery Hinta (FDR) funktiona p-arvo. Punainen väri viittaa polkuja rikastettu erilaisesti ilmaisi geenien (DE). Blu väri viittaa polkuja rikastettu erilaisesti ilmaisi geenien tai differentiaalisesti kytketty niitä (DEC). (F) Reactome polkuja Immuunijärjestelmän. Rikastaminen meta-analyysi p-arvot koko kudosten ” Reactome immuunijärjestelmä ”, sen ensimmäinen ja toinen osa-reittejä. Histogrammi on upotettavat osoittaa kudosspesifisiä rikastamiseen p-arvot ” Reactome Immuunijärjestelmän ”. (G-H) Core asettaa reitin rikastamiseen analyysi. Lukumäärät ydinjoukko reittejä löytyy niin merkitsevä 0,01 tasolla (G) ja kärkipään asennot (H) näkyvät palkit. Vuonna upotettavat on raportoitu p-arvo liittyy suhteelliseen ansioita joulukuu toimenpiteen suhteen DE saatu permutaation testi.

puitteissa yleisen syöpään fenotyypin, erityisenä esimerkkinä, me validoitu kaksi muuttujaa tunnistamisessa Reactome immuunijärjestelmä, joka liittyy yhteen tärkeimmistä syöpä tunnusmerkkejä [46]. Suoritimme meta-analyysi DE ja joulukuu rikastaminen yhdistämällä p-arvot liittyvät eri kudoksissa (Fisherin yhdistetty todennäköisyys testi). Mielenkiintoista, DEC meta-analyysi p-arvo liittyy immuunijärjestelmä () osoittautui paljon pienempi kuin vastaava DE-arvo (), joka on yli merkitsevyystasolla 0,01 (kuvio 5F). Korostamme, että jos ajatellaan kudosspesifisesta rikastamiseen analyysi, DEC rikastamiseen p-arvot aina johda pienempi kuin vastaava DE-arvot. Lisäksi klassinen polku analyysi ei ole voitu osoittaa, mistään elimen kuvaamiseksi, missä Reactome immuunijärjestelmää niin merkitsevä tasolla 0,05 joko (ks upotettu kuvassa 5F).

Toisaalta, kyky havaita elinspesifiseen syövän ominaisuuksia testattiin sopiva ” ydin sarjaa ”, jotka keräävät tunnetaan kasvainspesifisiä tunnusmerkki järjestelmät (katso materiaalit ja menetelmät). Erityisesti tutkimme onko joulukuu rikastamiseen analyysi päihittää klassinen DE lähestymistapaa priorisoida reittejä ydinjoukko.

Tutkimme erikseen esityksiä DE ja joulukuu toimenpiteitä, joilla tunnistetaan olevan merkittävä syöpä ydinjoukko reittejä. Erityisesti kunkin toimenpiteen arvioimme merkitystä määrä keskeisiä asettaa reittejä, joilla on (kuvio 5G) käyttämällä Fisherin testeissä. Siksi merkille, että hyödyntäminen joulukuu geenien avulla voidaan paremmin paljastaa tunnettujen syövän reittejä. Todellakin, joulukuu rikastamiseen suoriutuu DE analyysi olipa kyse määrän merkittäviä väyliä ja p-arvot koolon-, keuhko- ja kohdunkaula. Ero joulukuu ja DE esityksiä arvioitiin satunnainen permutaatio testi. Erityisesti olemme vertaili painotettua numerot merkittävien ydinjoukko väyliä johtuvat kaksi määritystä (katso materiaalit ja menetelmät). Vaikka on olemassa vahvaa näyttöä suhteellinen ansio joulukuu analyysin vain paksusuolen ja keuhkojen sekä hieman indikaatio kohdunkaula, näemme, että harkitsee joulukuu geenejä koulutusjakson rikastamiseen analyysi maailmanlaajuisesti paljastaa enemmän signaaleja liittyvät patologia, koska yleinen merkitys on (ks upotettuihin kuvassa 5G).

Lisäksi olemme määrällisesti kuinka paljon koulutusjakson rankingissa saatu kaksi muuttujaa eroavat satunnainen tilaus tunnistamisessa syövän väyliä (kuva 5H). Tätä varten kunkin toimenpiteen me sijoittui reittejä kannalta rikastamiseen p-arvot ja lasketaan määrä ytimen asetettu reittejä läsnä ensimmäisessä ansiokkaimmille tehtävissä luetteloissa (katso taulukko S2). Esimerkiksi kolorektaalisyövässä, ensimmäisen 104 kantoja löydettiin 11 core-set reittejä rikastettu of DE geenien () versus 18 polkuja rikastettu DEC geenien (). Mielenkiintoista, toteamme, että joulukuu rikastaminen analyysi aina päihittää DE toimenpide lukuun ottamatta mahalaukun ja haiman tapauksissa, joissa kaksi muuttujaa ovat yhtä tehokkaita tunnistamisen ydinjoukko reittejä. Todellakin, joulukuu lähestymistapa maailmanlaajuisesti sijoittunut ylemmäksi syöpään liittyvien reittien kuin klassisen DE rikastamiseen analyysin vahvistama Fisherin yhteenlaskettu todennäköisyys testi p-arvot osoittavat (DE, DEC).

Lopuksi huomauttavat, että haima tapauksessa syöpä ydinjoukko on yllättäen aliedustettuna keskuudessa DE ja joulukuu väyliä (kuva 5G-H). Koska itse asiassa, eikä polkuja liittyy yleisesti haimasyövän, joulukuu analyysissä havaittiin enemmän muuttunut ne väyliä (katso taulukko S2), joihin neuroaktiivisten reseptori-vuorovaikutus ja hajuaistin transduktio yhdessä niiden Yläheimo rodopsiinin kaltaisen G proteiini- reseptorit (GPCR: t).